Go with the FLOW

We have a fully automated system for pizza order status. The purpose of the flow is to notify the users when the pizza order has been received by the system..

When a user orders a pizza through any application (web, chat or app), the order is stored in Dataverse. This is the beginning of all flows on the trigger (create).

From here it is picked up by Power Automate. Power Automate sends a trigger to Power Automate Desktop.

Power Automate Desktop sends information to raspberry pi via desktop flow. This was achieved by registering my machine as approved machine for Power Automate online. All because the firewall on prem was blocking direct traffic.

Raspberry PI triggers a Home Assistant flow that turns the light to blue. This is a lot like a Microsoft Power Automate flow that is a sequens of actions working to acheive communication with wireless devices onpremise.

Kjøleskapet kan se pt. 2

Nå har vi bygget videre og kommet opp med et mye mer robust kjøleskap. Flytteesker kan brukes til så mangt 😎 Fortsatt en del testing med forskjellige frukter (man tager hva man haver). Responsen er så som så, men vi er på god vei. Klementin ble tidligere eple (ref. https://acdc.blog/in2022/kjoleskapet-kan-se/), nå er appelsin appelsin, og eple er eple 🎉

Her har vi en appelsin innendørs i et kjøleskap med både vegger og gulv. Imponerende? Yes!!!
Og her er hva som ble tatt bilde av. 1-0 til AI

Oppsettet er som følger:
Webkamera montert i kjøleskapsdør, koblet til Raspberry PI.
Arduino med knapp (les mye frustrasjon med KNAPP!!!!) som trigger kamerabilde ved åpning av kjøleskapsdør.
Arduino styrer i tillegg en trinnmotor som spinner en kul 3D-printet bling på toppen av kjøleskapet (bling kommer, men se bilde).
Alt på Arduino styres av den samme Raspberry PI’en ved hjelp av Python.
Når bilde er tatt, sendes det til Azure Cognitive services for analyse, og responsen kommer som oppdagede objekter. Deretter matcher vi dette med vår egen ingrediensdatabase i Dataverse via en Power Automate flow (kjøres via en HTTP request trigger i flowen) som oppdaterer ingredienser med attributtet “In fridge” = True/False.

Bildet under viser flowen som trigges fra kjøleskaps-raspberryen. Deretter oppdateres status på hva vi har i kjøleskapet. Dette er deilig å slippe og gjøre manuelt.

Her har vi integrert rubbel og bit, og det fungerer!

Det vi frykter nå er at maskinene skal vende seg mot oss, og si at kjøleskapet er tomt til en hver tid. Da kan vi risikere å sulte i hjel foran kjøleskapsdøren.
Men inntil videre velger vi å stole på vår kjære Fridgitoid 9000

Bilde gjennkjenning

Vi i Munchmuseet er veldig glade for å kunne lansere en ny funkjsonalitet i Munch besøksappen: GiveMeMoreInfo!

Syns du at maleriene våre vekker interesse, men du skulle gjerne hatt enda mer informasjon om maleriet? Da har vi løsningen for deg!
GiveMeMoreInfo! gir deg mer informasjon om maleriet du ser på gjennom applikasjonen. Det eneste du trenger å gjøre er å ta et bilde av maleriet, og informasjonen hentes inn automatisk!

Link til video: https://youtu.be/DUkVdxUdlGI

Teknisk informasjon:

  • Vi bruker Ai Builder for å gjenkjenne ulike malerier. Denne har blitt trent ved bruk av ca. 15 bilder fra hvert maleri. (Litt Nasty??)
  • Vi bruker en Power Automate for å motta bilde fra Canvas Appen, sender bildet videre til AI modellen som returnerer hvilket bildet det kjenner igjen i fotografiet tatt fra Canvas Applikasjonen.

I fremtiden håper vi å kunne bruke appliasjonen for å:

  • Utvide til å gi tilpasset informasjon baser på alder f.eks
  • Gi informasjon om lignende mallerier du kunne ha likt som Museet også har inne eller i sin virtuelle samling
  • Gi forslag til besøk i andre museer basert på dine interesser.
  • Vise hvordan bildet faktisk så ut da den ble laget ( mallerier er ofte gule grunnet at coaten over har decomponert grunnet UV lys og ligende)

Go with the Flow!

Why wouldn’t you want to save time on a process that can (and to be honest should) be automated in all companies that uses Dynamics?
We have now created two different flow, where the first one creates a Azure AD user atomatically when you hire a new employee in Dynamics HR, and mark that the employee should have a user in AAD (Goes without saying, but for you that now wants to ask the question, yes, the flow assigns the created user to a group as well):

But why should we stop there? How many times haven’t new employees showed up at their first day of work, just to se that someone has forgotten to import you AAD user to the system, so you can’t log in? Don’t worry, this flow runs every night, finds the employees that have their first day of work the coming day, and gives the AAD user the right to log in to Dynamics 365 HR:

Middle-age Mutable Ninja Tuples is integrating with all the things!

The backend for the end-user mobile app (.NET MAUI) is integrating with Dynamics 365 via MS Dynamics Web API, to create SOS alerts and get status updates.

The backend for the Turtle back-office (Blazor web app) is communicating with Azure via MS Graph API to programatically create Azure AD users.

Both backends are retrieving access tokens for MS APIs using MS OAuth API.

The Turtle code-base (GitHub) is configured to automatically post events to Discord, such as commits and releases.

Test – data

We needed testdata to develop the functions, so we made a simple ADF pipeline that inserts “actions” every x sec (if we want to).. We also need a lot of data, since we are planning to run reports and AI, with this test-data function we can start develop.

The ADF-pipeline takes a few params so we can controll how many runs we get.

Source data:

  • SQL server
    • Table with first Names
    • Table with last names
    • Table with IncidentTypes
    • View generating random:
      • name: mixing firstname and lastname
      • incident types (as we make more incident types)
      • longitude: Random – 59.9000 – 59.9999
      • latitude: Random – 10.1000 – 10.9999

Assaults

Planned Work

TBC

Completed Work

TBC

Rules

For å ha bedre kontroll på system, uten å måtte manuelt overvåke hele døgnet, har vi implementert “Rules” i IoT Central.

Hvis temperature går under 18 grader blir en alerm aktivert, hvor det sendes ut mail relevante personer med informasjon om hva som har skjedd.

Hvis Rotation/Y overstiger 0.1 betyr det at telefon (eller skildpadden i tenkt tilfelle) er snudd opp ned. Da sendes det ut en alarm beskjed om at gitt telefon er snudd på hode.

Bildet under viser hvordan en mail ser ut når en skildpadde er snudd på opp ned.

Claimed Badge:

Flowbombing Dataverse

Bombshells elsker Dataverse og går mann av huse for å bygge opp kraftfulle datakilder som de kan bruke til å trene opp varslingssytemet sitt. Derfor bruker de Power Automate Flow for å populere dataverse med sensordata.

Ved å kalle en PAF som et restkall bruker vi Dataverse-connectoren til å legge til en ny rad i tabellen.

Input som kommer gjennom kallet blir parset til et JSON-objekt og lastet inn i den nye raden i Dataverse tabellen.

Og da får vi masse deilige data!

Og vi liker masssse data!

Play? Develop? Discord.

Discord is a platform most known within the gaming community for its voice- and text-chat features. MaMNT needed a hip platform for collaboration up and running quickly during the initial stages of the day, and landed on using Discord with their pre-existing user profiles.

In order to avoid merge conflicts with three developers working in the same repo, a Discord bot was set up to post new commits as chat messages in a dedicated channel. This bot receives new commits via a GitHub webhook, enabling a trunc-based development cycle in MaMNT. All the hip, cool companies run trunc-based development, now including MaMNT!

MaMNT also avoids Teams like the plague, so Discord was immediately qualified as a collaboration solution simply by not being Teams.

Claimed badges: